Keras中文手冊.pdf

Keras

Author：louwill

Machine Learning Lab

     

keras 是一款使用純 python 編寫的神經(jīng)網(wǎng)絡(luò) API，使用 keras 能夠快速實現(xiàn)你的深度學(xué)習(xí)方案，所以 keras 有著為快速試驗而生的美稱。keras 以 Tensorflow、Theano 、CNTK 為后端，意思就是 keras 的底層計算都是以以上這些框架為基礎(chǔ)的，這使得 keras 能夠?qū)Ｗ⒂诳焖俅罱ㄆ鹕窠?jīng)網(wǎng)絡(luò)模型。

keras 搭建神經(jīng)網(wǎng)絡(luò)的基本流程

利用 keras 搭建神經(jīng)網(wǎng)絡(luò)模型非常快速和高效，其模型實現(xiàn)的核心流程可以用四個步驟來概括。具體如下：

第一步就是設(shè)計你的網(wǎng)絡(luò)結(jié)構(gòu)（add）：
調(diào)用 keras 神經(jīng)網(wǎng)絡(luò)的各個模塊來組件你的模型架構(gòu)，通過 add 方法來疊加。這一步是最需要仔細(xì)考慮的地方，關(guān)乎你的神經(jīng)網(wǎng)絡(luò)的復(fù)雜性和高效與否。簡單示例如下：

from keras.layers import Dense, Activation 
model.add(Dense(units=64, input_dim=100)) 
model.add(Activation("relu")) 
model.add(Dense(units=10)) 
model.add(Activation("softmax"))

上面的示例中，我們從 keras 的 layers 模塊中導(dǎo)入了 Dense 全連接層、Activation 激活層，構(gòu)造了一個包含兩個全連接層和一個 relu 和 softmax 激活的網(wǎng)絡(luò)模型。

第二步是將設(shè)計好模型進(jìn)行編譯（compile）：

model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

第三步就是對訓(xùn)練數(shù)據(jù)進(jìn)行擬合訓(xùn)練（fit）:

model.fit(x_train, y_train, epoche=5, batch_size=32)

最后就是對訓(xùn)練好的模型進(jìn)行評估（evaluate）:

loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

如此強大的深度學(xué)習(xí)庫，必然有官方文檔。

筆者特地收集整理了 keras 官方中文文檔，供大家下載查閱使用。有需要的讀者可掃描下方二維碼加筆者微信獲取。